一种中高密度人群数量统计方法技术

本发明专利技术涉及一种中高密度人群数量统计方法，采用行人检测器对采集的视频帧序列的视频帧进行行人检测，获得检测候选框；根据获得的检测候选框的空间、时间以及颜色特征，对检测候选框进行聚类，获得人群团块区域；采用基于角点的人群计数方法对每个人群团块区域进行人群初步数，获取对应的计数结果；通过计数结果与特征点数量的关系进行密度估计；当特征点数量超过预设阈值时，自动切换至超高密度统计模式；当将视频帧送入多级联合深度网络，统计人群密度图谱；根据密度图谱统计人数；针对不同密度，选取不同的数据融合方法，完成人群计数。本发明专利技术能在人群从中高密度增加到超高密度时进行切换，兼顾不同密度场景下人群的计数问题。

A method of population statistics for middle and high density population

The present invention relates to a high-density crowd statistics method, in which pedestrian detectors are used for pedestrian detection of video frames in a captured video frame sequence to obtain detection candidate frames, and the detection candidate frames are clustered according to the space, time and color characteristics of the detected candidate frames to obtain the mass region of the crowd. A corner-based crowd counting method is used to obtain the initial population number of each block area, and the corresponding counting results are obtained. The density is estimated by the relationship between the counting results and the number of feature points. According to the density map, the number of people is counted. According to different densities, different data fusion methods are selected to complete the population count. The invention can switch when the population increases from middle high density to super high density, taking into account the population counting problem in different density scenes.

【技术实现步骤摘要】
一种中高密度人群数量统计方法
本专利技术涉及计算机视觉、人工智能，特别是一种中高密度人群数量统计方法。
技术介绍
随着社会的发展和技术的进步，智能视频监控技术在越来越多的领域起到至关重要的作用，而人群计数作为智能视频监控中至关重要的一环，所谓人群计数就是通过读取图片或者视频帧，得出当前帧或者图片中一共有多少人。当前人群计数方法主要分为两大类：直接法和间接法。直接法也叫基于检测的方法，主要通过使用不同的检测模型，将一个个行人个体检测分割出来，来实现人群计数。在中高密度时，主要采用基于人体的行人检测模型；在超高密度时，遮挡问题严重，所以主要采用基于头加肩膀(Ω)区域的行人检测模型，又或者基于人头的行人检测模型。间接法，主要通过提取人群的不同特征，通过训练等方法，得到特征与人数的映射关系，以此来实现人群计数。常用于人群计数的特征主要有前景面积，纹理特征，又或者角点特征等。直接方法最大的优点就是鲁棒性强，在中高密度场景下，有着不可取代的优越性。但当密度增大时，由于遮挡等问题，人体的表达特征受到破坏，行人不能得到很好的检测分割，使得性能大幅度下降。间接法最明显的优点在于高密度或超高密度时，相对直接法有着更高的准确度。但在中等密度使用间接法，相较于直接法，有着不必要的复杂度和高成本。可以看到，直接法和间接法分别适用于中高密度与超高密度，但在另一个密度效果较差。
技术实现思路
本专利技术的目的在于提供一种中高密度人群数量统计方法，以克服现有技术中存在的缺陷。为实现上述目的，本专利技术的技术方案是：一种中高密度人群数量统计方法，按照如下步骤实现：步骤S1：采用行人检测器对采集的视频帧序列的视频帧进行行人检测，获得检测候选框；步骤S2：根据获得的检测候选框的空间、时间以及颜色特征，对检测候选框进行聚类，获得人群团块区域；步骤S3：采用基于角点的人群计数方法对每个人群团块区域进行人群初步数，获取对应的计数结果；步骤S4：通过计数结果与特征点数量的关系进行密度估计；步骤S5：当特征点数量超过预设阈值时，自动切换至超高密度统计模式；否则，转至步骤S3；步骤S6：当将视频帧送入多级联合深度网络，统计人群密度图谱；步骤S7：根据密度图谱统计人数；步骤S8：针对不同密度，选取不同的数据融合方法，完成人群计数。在本专利技术一实施例中，在所述步骤S1中，所述行人检测器采用基于RPN网络的深度学习检测器。在本专利技术一实施例中，在所述步骤S2中，还包括对所述检测候选框的预处理；该预处理过程包括：设定用于过滤面积大于预尺寸检测候选框的阈值；建立当前帧与前后帧光流图，将前后帧的检测候选框都映射到当前帧，降低漏检率，获取所述特征点。在本专利技术一实施例中，在所述步骤S2中，所述聚类采用迪里赫雷特混合模型。在本专利技术一实施例中，在所述步骤S3中，根据所述步骤S2获取的人群团块区域，通过如下方式计算每个类内的人数：其中，pk是在类k内总的角点数，是组成类k的检测候选框的平均角点数。在本专利技术一实施例中，在所述步骤S4中，将所述特征点数量按照如下方式进行最大最小归一化：其中，X*是正则化后的数据，X指的是输入的数据，即特征点数量，max和min表示输入输出数据的最大值和最小值。相较于现有技术，本专利技术具有以下有益效果：本专利技术提出的一种中高密度人群数量统计方法，实现了从中高密度人群和超高密度人群的的估计方法。针对中高密以下人群和超高密度人群估计两个不同问题，在一个系统中实现统一解决。能够感知人群密度变化，在人群密度增加的场景下，自动切换计算方法，使得系统适用性大大提高。附图说明图1为本专利技术中一种中高密度人群数量统计方法的流程图。具体实施方式下面结合附图，对本专利技术的技术方案进行具体说明。本专利技术提供了一种中高密度人群数量统计方法，按照如下步骤实现：步骤S1：采用行人检测器对采集的视频帧序列的视频帧进行行人检测，获得检测候选框；步骤S2：根据获得的检测候选框的空间、时间以及颜色特征，对检测候选框进行聚类，获得人群团块区域；步骤S3：采用基于角点的人群计数方法对每个人群团块区域进行人群初步数，获取对应的计数结果；步骤S4：通过计数结果与特征点数量的关系进行密度估计；步骤S5：当特征点数量超过预设阈值时，自动切换至超高密度统计模式；否则，转至步骤S3；步骤S6：当将视频帧送入多级联合深度网络，统计人群密度图谱；步骤S7：根据密度图谱统计人数；步骤S8：针对不同密度，选取不同的数据融合方法，完成人群计数。在本实施例中，在所述步骤S1中，所述行人检测器采用基于RPN网络的深度学习检测器。在本实施例中，在所述步骤S2中，还包括对所述检测候选框的预处理；该预处理过程包括：设定用于过滤面积大于预尺寸检测候选框的阈值，过滤面积太大的检测候选框；建立当前帧与前后帧光流图，将前后帧的检测候选框都映射到当前帧，降低漏检率，获取所述特征点。在本实施例中，特征点也即角点，在进行候选框预处理的时候需要计算光流图，里面的使用的角点就是这里的特征点。在本实施例中，在所述步骤S2中，所述聚类采用迪里赫雷特混合模型。在本实施例中，在所述步骤S3中，根据所述步骤S2获取的人群团块区域，通过如下方式计算每个类内的人数：其中，pk是在类k内总的角点数，是组成类k的检测候选框的平均角点数，即可进行人群初步计数。在本实施例中，在所述步骤S4中，将所述特征点数量按照如下方式进行最大最小归一化：其中，X*是正则化后的数据，X指的是输入的数据，即特征点数量，max和min表示输入输出数据的最大值和最小值。在本实施例中，步骤S6以及步骤S7中采用的方法为间接方法。在本实施例中，在步骤S8中，不同的数据融合方法如下：根据密度不同，对相邻三帧做平局。低密度只和低密度平局，中高密度和中高密度平局，高密度和高密度平局。通过采用上述分组方式，保证数量突然变化时的准确性。以上是本专利技术的较佳实施例，凡依本专利技术技术方案所作的改变，所产生的功能作用未超出本专利技术技术方案的范围时，均属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种中高密度人群数量统计方法，其特征在于，按照如下步骤实现：步骤S1：采用行人检测器对采集的视频帧序列的视频帧进行行人检测，获得检测候选框；步骤S2：根据获得的检测候选框的空间、时间以及颜色特征，对检测候选框进行聚类，获得人群团块区域；步骤S3：采用基于角点的人群计数方法对每个人群团块区域进行人群初步数，获取对应的计数结果；步骤S4：通过计数结果与特征点数量的关系进行密度估计；步骤S5：当特征点数量超过预设阈值时，自动切换至超高密度统计模式；否则，转至步骤S3；步骤S6：当将视频帧送入多级联合深度网络，统计人群密度图谱；步骤S7：根据密度图谱统计人数；步骤S8：针对不同密度，选取不同的数据融合方法，完成人群计数。

【技术特征摘要】
1.一种中高密度人群数量统计方法，其特征在于，按照如下步骤实现：步骤S1：采用行人检测器对采集的视频帧序列的视频帧进行行人检测，获得检测候选框；步骤S2：根据获得的检测候选框的空间、时间以及颜色特征，对检测候选框进行聚类，获得人群团块区域；步骤S3：采用基于角点的人群计数方法对每个人群团块区域进行人群初步数，获取对应的计数结果；步骤S4：通过计数结果与特征点数量的关系进行密度估计；步骤S5：当特征点数量超过预设阈值时，自动切换至超高密度统计模式；否则，转至步骤S3；步骤S6：当将视频帧送入多级联合深度网络，统计人群密度图谱；步骤S7：根据密度图谱统计人数；步骤S8：针对不同密度，选取不同的数据融合方法，完成人群计数。2.根据权利要求1所述的一种中高密度人群数量统计方法，其特征在于，在所述步骤S1中，所述行人检测器采用基于RPN网络的深度学习检测器。3.根据权利要求1所述的一种中高密度人群数量...

【专利技术属性】
技术研发人员：黄立勤，叶张帆，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35